整理 | 郑丽媛

出品 | CSDN（ID：CSDNnews）

据说，可以免费体验 GPT-4 的机会来了！

(相关资料图)

上周末，MegaEase 创始人兼 CTO 陈皓老师（左耳朵耗子）在推特推荐了一款 ChatGPT 套壳网站 Forefront Chat，称其可以 " 免费使用 GPT-3.5 和 GPT-4"。溯源了一番，其官方 【【淘密令】】 公司在前一天进行了官宣：

" 今天，我们将推出 Forefront Chat，一个更好的 ChatGPT 体验，免费 alpha 版。注册后可免费获得 GPT-4、图像生成、自定义角色、共享聊天等功能。"

对此，多数网友的第一反应就是：真的可以免费 " 白嫖 " GPT-4 了？

" 目前最容易体验的 GPT-4 工具 "

由于上个月 OpenAI 推出的 GPT-4 提供了图像理解功能，因此在收费上也区分了输入端（即文本和图像形式的 prompt）和输出端（生成文本）：

在 GPT-4 8K 版本中，输入端的价格为每 1000 个 Token （约 750 个单词）0.03 美元，输出端的价格为每 1000 个 Token 0.06 美元；

在 GPT-4 32K 版本中，输入端为每 1000 个 Token 0.06 美元，输出端为每 1000 个 Token 0.12 美元。

也就是说，相较于 GPT-3.5 Turbo 的价格（每 1000 个 Token 为 0.002 美元），GPT-4 32K 版本的输出端价格提升了将近 60 倍――这也是 GPT-4 " 劝退 " 不少用户的原因之一。

可 Forefront Chat 首先介绍的，就是它可以 " 免费使用 GPT-4 和 GPT-3.5"，还能在同一聊天中随时切换：

其次，Forefront Chat 创建了许多人物形象，包括真实人物、电影角色、文学角色、动漫角色等，用户可选择一个与其对话。如果没有合适的，用户也可以自行创建或直接选择 HelpfulAssistant 这个通用角色。

不仅如此，与许多 AI 聊天机器人不同，Forefront Chat 允许用户将聊天记录直接分享给其他人，且聊天主题会自动生成标题并整理到侧边的文件夹中，还有选项卡，方便用户随时切换并管理聊天主题：

最重要是，Forefront Chat 的注册流程也非常简单，只需一个谷歌邮箱就能轻松注册→登录→使用，因此不少人评价称："Forefront Chat 可能是目前最容易体验的 GPT-4 工具。"

简单实测一番！

说了这么多，让我们先来实测看看 Forefront Chat 的对话水平吧。

首先是在 GPT-3.5 的模式下：

问一些中文成语，GPT-3.5 模式下的 Forefront Chat 也可轻松解答：

不过面对较为复杂的逻辑题时，GPT-3.5 的推理有些问题（正确答案是周三或周日）。

接着切换成 GPT-4，Forefront Chat 就正确给出了周三这个答案，并附上详细推理过程：

体验下来，Forefront Chat 的 GPT-4 模式下的回答确实会比 GPT-3.5 要更准确且全面，不过相对应其生成回答的速度也会慢一些。

" 是打算先免费后收费吗？"

提供免费体验 GPT-4 的机会，且注册方法也很简单，因此 Forefront Chat 刚上线不久，就吸引来了大量用户，导致 Forefront Chat 网站一度崩溃，昨天其官方发出声明：

在过去 24 小时里，网站的流量非常大，我们意识到在加载速度和响应能力方面存在一些问题。我们现在唯一的目标是改善这个问题，使每个人都能有一个顺利的访问网站的经验。在我们解决这些问题的过程中，请耐心等待，理想情况下，事情将在短时间内恢复正常。

对于已经体验过 Forefront Chat 的部分用户，他们给出的评价似乎褒贬不一，有的称赞其性能，有的则质疑其免费 GPT-4 的真实性：

" 我试了一下，实测还可以，很快。"

" 哇，真的很不错，我希望它能一直免费。"

" 我比较了你的 GPT-4 和真正 GPT-4 的几个答案，它们之间有很大的不同，你是更改了模型还是使用了降级了版本？"

"GPT-4 的 API 那么贵，应该没法长期免费。"

" 这是免费的午餐？我猜你是打算先免费，然后再收费吗？"

截止发稿，Forefront Chat 还可以免费使用，感兴趣的读者可前往 https://chat.forefront.ai/ 尝试一番，也欢迎将使用感受分享在评论区 ~

参考链接：

https://【【微信】】.com/【【淘密令】】/status/1649429139907137540

https://【【微信】】.com/plusyip/status/1649933856152141824?s=46

chat moss和chatgpt的区别 谷歌开源nlp模型

复旦大学自然语言处理实验室邱锡鹏教授团队上线 MOSS 两个月后，把 MOSS 开源了。

目前开源的版本是 MOSS 003，二月份公开邀请内测的版本为 【【微信】】，一月份有一个内部测试版本叫做 OpenChat 001。

在 MOSS 003 中，复旦团队采用不同的技术路线，通过让Moss和人类以及其他对话模型都进行交互，显著提升了学习效率和研发效率，短时间内就高效完成了对话能力训练。

MOSS 成为国内首个公开亮相的类ChatGPT语言模型，也是国内首个搭载插件系统的开源对话语言模型， “端到端”走通了大语言模型的开发全程。

MOSS 的成长过程

复旦 NLP 团队成员孙天祥公布了 MOSS成长过程。

ChatGPT 问世后，国内 NLP 从业者受到冲击很大，当时没有 llama 也没有 alpaca，团队普遍认为国内技术距离 ChatGPT 有一到两年的技术差距。

要做 ChatGPT 有两个部分是很昂贵的，一个是数据标注，一个是预训练算力。团队没有算力，便去构造数据――从 OpenAI 的论文附录里扒了一些它们API收集到的user prompt，然后用类似Self－Instruct的思路扩展出大约 40 万对话数据。

一月份的时候，团队研制出了 OpenChat 001，虽然 OpenChat 001 不具备中文能力，不知道关于自己的信息（比如名字、能力等），且安全性较低，但此时模型已经具备了指令遵循能力、多轮能力、跨语言对齐能力，可以理解中文并用英文回答。

这给了团队很大的信心，于是加紧了 【【微信】】 的部署，增加到了116万条中英文对话数据。截至【【微信】】训练完成时，gpt－3．5－turbo、LLaMA、Alpaca均未出现，但却收到很多类似“MOSS是蒸馏ChatGPT” ／ “基于LLaMA微调”等质疑。

目前开源的最新版本 MOSS 003 的基座语言模型已经在 100B 中文 token 上进行了训练，总训练 token 数量达到 700B，还构造了约 30 万插件增强的对话数据，目前已包含搜索引擎、文生图、计算器、方程求解等。还给 MOSS 增加了【【微信】】 作为输出，即在 MOSS 决定调用 API 以及回复之前首先输出其“内心想法”。

研发团队称本次开源只是个开始，后续团队还将开源完整版 MOSS 003 微调数据、偏好数据、偏好模型以及经过偏好训练过的最终模型。

MOSS 发布时掀起惊涛骇浪

2 月份，国内各大厂纷纷开始拼大模型，但在国内赛道上首个拿出大模型的不是大厂，而是学界――复旦大学自然语言处理实验室邱锡鹏教授团队。

2 月 20 日晚，复旦大学自然语言处理实验室发布类 ChatGPT 模型 MOSS 的消息一经公开，很快就登顶了知乎热榜。由于瞬时访问压力过大，MOSS服务器还被网友挤崩溃了。

针对服务器崩溃一事，MOSS 官网发公告回应：“我们最初的想法只是想将 MOSS 进行内测，以便进一步优化，没有想到会引起这么大的关注，我们的计算资源不足以支持如此大的访问量，并且作为学术团队我们也没有相关的工程经验，给大家造成非常不好的体验和第一印象，在此向大家致以真诚的歉意。

团队称，MOSS 还是一个非常不成熟的模型，距离 ChatGPT 还有很长的路需要走。作为一个学术研究的实验室无法做出和 ChatGPT 能力相近的模型，MOSS 只是想在百亿规模参数上探索和验证 ChatGPT 的技术路线，并且实现各种对话能力。

MOSS 可执行对话生成、编程、事实问答等一系列任务，打通了让生成式语言模型理解人类意图并具有对话能力的全部技术路径。这条路径的走通，为国内学术界和产业界提供了重要经验，将助力大语言模型的进一步探索和应用。

企查查 APP 显示，目前 MOSS 商标申请信息共 74 条，已有 32 枚商标被成功注册，申请人包括进出口、电子商务、高新技术等领域的多家公司及多个自然人，商标国际分类包括科学仪器、珠宝钟表、教育娱乐等，此外，目前仍有 3 枚 MOSS 商标正在注册申请中。

团队核心人物邱锡鹏

根据复旦大学计算机科学技术学院官网的介绍，邱锡鹏教授于复旦大学获得理学学士和博士学位。研究方向为自然语言处理、深度学习，发表CCF－A／B类论文70余篇。主持开发了开源自然语言处理工具FudanNLP、FastNLP，获得了学术界和产业界的广泛使用。

邱锡鹏的研究方向是，围绕自然语言处理的机器学习模型构建、学习算法和下游任务应用，包括：自然语言表示学习、预训练模型、信息抽取、中文NLP、开源NLP系统、可信NLP技术、对话系统等。

邱锡鹏表示：“尽管MOSS还有很大改善空间，但它的问世证明了在开发类ChatGPT产品的路上，国内科研团队有能力克服技术上的重要挑战。”MOSS研发项目得到了上海人工智能实验室的有力支持。后期，这项工作将通过开源方式和业界社区分享。